Validation d’une méthode de fluorescence en temps résolu recourant à l’intelligence artificielle pour le suivi de polluants dans les effluents industriels et municipaux – VAI-TRF

nous nous sommes concentrés sur quelques points clés du projet: (i) développement de la méthode d'identification et de quantification des substances polluantes par fluorescence en temps résolu, (ii) développement du dispositif pour la préparation des échantillons et de mesure de la fluorescence, (iii) premiers tests sur des eaux réelles contenant des polluants.

Nous avons optimisé les paramètres de mesure du dispositif de fluorescence résolu dans le temps ainsi que l’analyse des données collectées. L’idée était de trouver le ratio optimal entre le polluant et la sonde fluorescente. Ce ratio varie avec le polluant étudié ainsi que les conditions environnementales (eau, salinité, concentration, LOD, présence d’autres substances). Pour procéder step-by-step nous nous sommes focalisés sur deux familles de polluants simples comme indiqué dans le tableau du projet : des molécules chélatantes et des pesticides. Le limite de quantification est pour l'instant fixée à la centaine de ppb étant donné qu'une fois le procédé validé dans ces conditions il sera alors aisé de l'étendre à des concentrations plus faibles.
Des modèles d'apprentissage de l'IA ont été développés afin d'identifier correctement les contaminants. Parmi les modèles proposés, le type neuronal a été préféré car il permet l'estimation simultanée de deux ou plusieurs contaminants. Les premiers résultats d’identification automatique sont encourageants mais plus de données brutes pour l’apprentissage de l’algorithme et une optimisation du code sont nécessaire afin d’obtenir une identification fonctionnelle sur site. Nous nous sommes focalisé également sur le robot de préparation d'échantillons et le spectrophotomètre. Quant à l'échantillonneur, le robot est piloté via un logiciel développé sur python qui considère à chaque mesure l'ensemble des paramètres optimaux pour la quantification, basé sur une base de données précédemment développée qui inclut les contaminants dans différentes conditions environnementales. L'idée de base de l'algorithme est d'éviter des mesures inutiles, par exemple lorsqu'il n'y a pas de variation de concentration de contaminants et de proposer les paramètres optimaux pour chaque site. En ce qui concerne le spectrophotomètre, la configuration actuelle est en cours de modification pour l’inclusion d’un dispositif de contrôle de la longueur d’onde d’excitation par un monochromateur.

Le groupe travaillera essentiellement sur l'optimisation du logiciel, en intégrant le robot de prélèvement à l'appareil de mesure. Plusieurs campagnes d’expériences en mésocosme vont être conduites. En parallèle des tests seront effectués sur des contaminants émergents et spécifiques des sites d'intérêt. Un premier prototype du dispositif définitif est en cours de construction et son installation est prévue vers la fin 2023 pour des mesures de site sur le long terme (6 mois).

un brevet sur la méthode développée sera rédigé

En raison de l'urbanisation, de l'industrialisation et de l'agriculture croissantes, les eaux naturelles sont de plus en plus menacées par les rejets de produits chimiques synthétiques dans l'environnement. La pollution diffuse (p. ex., due à l'agriculture) et la pollution ponctuelle (p. ex., due aux activités domestiques et industrielles) sont très préoccupantes car elles modifient les fonctions des écosystèmes aquatiques et constituent des risques pour la santé humaine (p. ex., via la nourriture et l’eau de boisson contaminées), le bien-être et l’économie (p. ex., restriction d'accès aux eaux récréatives ou interdiction de la pêche). Ce projet vise à s'attaquer aux problèmes environnementaux causés par les sources ponctuelles de pollution domestiques et industrielles. Ceci en surveillant des produits chimiques critiques dans les effluents et en fournissant aux décideurs des connaissances exploitables en temps opportun afin de réduire les rejets de ces composés dans l'environnement.
Si les méthodes conventionnelles de laboratoire ont de bonnes performances analytiques, elles sont mal adaptées à la fourniture rapide d'information. Elles s'appuient, en effet, sur une stratégie d'échantillonnage sophistiquée (le transfert d'échantillons vers des laboratoires hors site et la préparation d'échantillons sont longs et coûteux) nécessitant ainsi du temps pour fournir des résultats. Des techniques analytiques in situ et en ligne sont donc nécessaires de toute urgence.
Pour surmonter ces limitations, nous validerons un nouveau concept de mesure basé sur la fluorescence en temps résolu (TRF) pour la surveillance in situ, en continu, de produits chimiques critiques tels que les surfactants, les agents chélateurs, les herbicides phosphonates, ou les PFAS. Ce projet s'appuiera sur une méthode brevetée du dosage du calcaire et des inhibiteurs de corrosion via la technique TRF. La technique sera améliorée en utilisant une approche d'ajouts dosés et en entraînant une intelligence artificielle (AI-TRF). A travers des analyses en laboratoire et en mésocosme, la procédure de quantification sera optimisée pour surveiller une grande variété de contaminants couramment présents dans les effluents. Les performances du prototype seront comparées à celles des techniques de laboratoire conventionnelles (LC-MSMS, ICP-MS). Dans un second temps, nous déploierons l’AI-TRF dans des effluents réels pour acquérir des informations sur les rejets de contaminants dans les réseaux d'assainissement (signalement de dépassement de concentrations limites et production d’information sur les types de sources potentielles). Dans cette étude, nous nous concentrerons sur les eaux usées (pré)traitées car elles ont une matrice moins complexe que les eaux usées brutes, mais le but ultime est de fournir un outil pouvant être déployé sur n'importe quel site d'un réseau d'égouts pour obtenir le maximum d’informations pertinentes.
Avec ce projet, nous aimerions premièrement prouver que l'AI-TRF – en offrant une quantification continue des polluants et la possibilité d’alertes rapides - peut être une technologie alternative aux méthodes analytiques conventionnelles actuellement utilisées par les agences environnementales. Deuxièmement, les installations in situ de TRF pourraient considérablement augmenter la couverture spatiale de la campagne de surveillance, générant ainsi des connaissances plus approfondies sur les polluants critiques, facilitant le développement de politiques concernant la production et la consommation de produits chimiques ainsi que sur les stratégies de traitement des eaux usées ; préservant ainsi durablement l'environnement. Troisièmement, l'intelligence artificielle pourrait soutenir, non seulement les tâches ardues normalement effectuées en continu par le personnel technique, mais aussi la mise en œuvre d’une nouvelle génération d'appareils de pointe.